Nos indica la varianza de la variable dependiente (Y) explicada sólo por la primera variable independiente (X₁)
(eliminando la varianza explicada por X₂ de Y, pero no de X₁) correlación semiparcial para X₁ correlación semiparcial para X₂ correlación parcial para X₁ correlación parcial para X₂ coeficiente de determinación multiple coeficiente de determinación multiple ajustado . Nos indica la varianza de la variable dependiente (Y) explicada sólo por la segunda variable independiente (X₂)
(eliminando la varianza explicada por X₁ de Y, pero no de X₂) correlación semiparcial para X₁ correlación semiparcial para X₂ correlación parcial para X₁ correlación parcial para X₂ coeficiente de determinación multiple coeficiente de determinación multiple ajustado . Nos indica la varianza de la variable dependiente (Y) explicada sólo por la primera variable independiente (X₁)
(eliminando la varianza explicada por X₂ de Y y la varianza explicada por X₁ de Y) correlación semiparcial para X₁ correlación semiparcial para X₂ correlación parcial para X₁ correlación parcial para X₂ coeficiente de determinación multiple coeficiente de determinación multiple ajustado . Nos indica la varianza de la variable dependiente (Y) explicada sólo por la segunda variable independiente (X₂)
(eliminando la varianza explicada por X₁ de Y y la varianza explicada por X₂ de Y) correlación semiparcial para X₁ correlación semiparcial para X₂ correlación parcial para X₁ correlación parcial para X₂ coeficiente de determinación multiple coeficiente de determinación multiple ajustado . Nos indica la capacidad predictiva de las variables independentes (X₁ y X₂) sobre la variable dependiente (Y) correlación semiparcial para X₁ correlación semiparcial para X₂ correlación parcial para X₁ correlación parcial para X₂ coeficiente de determinación multiple coeficiente de determinación multiple ajustado recta de regresión múltiple Y' = B₁X₁ + B₂X₂ - Bo coeficiente Bo coeficiente para X₁ coeficiente para X₂. Nos indica el porcentaje de varianza que la recta de regresión múltiple es capaz de explicar correlación semiparcial para X₁ correlación semiparcial para X₂ correlación parcial para X₁ correlación parcial para X₂ coeficiente de determinación multiple coeficiente de determinación multiple ajustado recta de regresión múltiple Y' = B₁X₁ + B₂X₂ - Bo coeficiente Bo coeficiente para X₁ coeficiente para X₂. ¿Qué obtenemos cuando elevamos al cuadrado los coeficientes de correlación entre las variables?. A la probabilidad de rechazar una hipótesis nula falsa se le denomina: Nivel de confianza Potencia del contraste Beta. El valor complementario de la probabilidad de cometer un error tipo II se le denomina: Nivel de confianza Potencia del contraste Beta Nivel de significación . La probabilidad de rechazar una hipótesis nula que es verdadera recibe el nombre de: Nivel de confianza Potencia del contraste Beta Nivel de significación . Empareja los complementarios: Nivel de confianza 1 - α Potencia del contraste 1 - β. El error que supone rechazar una hipótesis nula cuando es verdadera . El error que supone aceptar una hipótesis nula cuando es falsa . Es la decisión correcta de rechazar la hipótesis nula cuando es falsa. Es la decisión correcta de no rechazar la hipótesis nula cuando es verdadera . a la probabilidad de rechazar una hipótesis nula falsa se le denomina nivel de confianza potencia del contraste beta. el máximo error que el investigador está dispuesto a admitir para rechazar una hipótesis nula que es verdadera recibe el nombre de potencia del contraste error tipo II nivel de significación .
